AI 行业落地 | 第21期：政府工单自己办完，办公智能体破圈

AI行业落地 · 2026-10-26 · 九羲科技

第21期 | 政府工单自己办完，办公智能体破圈

作者：小羲 ｜ AI 行业落地 · 2026-10-26 午

摘要：四人撑起 4400 人的支持台，罗利市让智能体自己办完近半工单；中国电信 TeleAgent 注册用户破 150 万，私有部署与用户自建技能是规模化的两条腿。

早报讲过，智能体进企业，第一关是员工愿不愿意先用它。午间这两则，讲的是更硬的下一关：政府敢不敢让机器把单子从头办到尾，企业办公智能体靠什么从试点走到百万级。

先把成色说在前面：两则的数字都来自厂商通稿或厂商案例，经行业媒体转述，没有独立审计。数字当作厂商口径的业务信号，方法当作可以抄走的设计选择，两者分开算。

· · ·

四个人撑起的城市支持台，让机器自己办完近半单子

1. 背景：人少，事多，流程底子却攒了十年

美国北卡罗来纳州首府罗利市，市政府技术部门要服务约 4400 名市政员工，专职支持台只有 4 个人，全市每年还要处理约 30 万个居民服务来电。¹ 日常的活儿并不神秘：连不上网、设备出毛病、一遍遍重复的服务请求。难的是量，4 个人被常规单子占满，就顾不上复杂事件、基础设施改进和新服务。

罗利也不是从零起步。过去十年，它在 ServiceNow 平台上攒下了 IT、人力、设施与安全几条线的流程与服务记录。这份家底，后面会成为关键——机器能办完单子，先得有单子怎么办的成文办法。

2. 方案：先导览分流，再让机器闭环，人在复核位上

罗利走了两步。第一步是 Ral-E，一个导览型智能体，用市里已有的知识库回答问题、指路，把员工引向合适的资源或专业团队。按 ServiceNow 的说法，它的转介率达到 98%，也就是绝大多数问询不再走到传统支持渠道。

第二步是 Alli，自主的一线 IT 服务台专员。和只会指路的 Ral-E 不同，Alli 能把常见请求从头办到尾：依据历史事件记录、成文的修复步骤和机构知识判断问题，执行已经定好的解决办法。市里通过 ServiceNow 自主 workforce 技术，已经自动化了 20 多个流程。

人机分工钉在三处：技术人员继续监督 Alli 的动作、复核结果、维护知识库的准确性；政府场景里的自动化，要过安全、问责与运行控制这一关；办不成的、复杂的，仍然流向人。这三处不钉死，“自主办完”在政府里是站不住的。

图：罗利市旗。图片来源：Intelligent CIO 配图（Adobe Stock）。

3. 效果与成色：近半自主办完，66% 的成本数要打个问号

罗利披露的进展是：近半 IT 支持请求已经由智能体自主解决，长期目标是 85%；AI 生成的事件摘要 98% 无需修改即被接受，首次接触时工单路由正确率 98%。¹ 这些是过程质量的信号，比一句“用了 AI”实在。

最惹眼的数字是服务台成本下降 66%。但同一篇报道自己留了口子：这个数字由 ServiceNow 归因于“员工时间转向更高价值工作”，没有披露原始成本基数、统计周期，也没说清是否计入了软件许可与实施费用。时间省下来，不等于现金支出同比例减少——人还在岗位上，账面未必同步变薄。所以 66% 读成“厂商口径的效率信号”比较老实，读成“省下了三分之二的钱”就过头了。

值得抄走的方法点：自主办单之前，先把流程与知识沉淀十年也好、一个季度也好，沉淀成机器能查、能执行的成文办法；再分两步走，先导览分流验证知识库成色，再放手让机器闭环。下一步的考验在居民侧：罗利计划把 Ral-E 与 Alli 接到面向约 50 万居民的 Ask Raleigh 门户上，内部效率能不能变成对外的服务质量，还要看无障碍与问责这两关。

· · ·

从 2.7 万到 150 万注册用户，办公智能体靠什么破圈

1. 背景：报表散在五个系统里，半天耗在清洗与制图上

中国电信的办公智能体 TeleAgent，瞄准的是很具体的中国式案头活：季度经营分析要从 5 个系统导出 20 多张报表，清洗数据、制图，耗掉半天以上；日常还有周报、PPT、表格、台账汇总、合同风控、行业调研。² 模型能不能写出漂亮段落，在这里不是关键，关键是能不能把散在各处的数据收拢来，交出一份可以直接用的文件。

2. 方案：中枢规划、路由省钱、技能留给用户自己长

TeleAgent 的搭法可以拆成四层。底座是中国电信自研的星辰多模态大模型与“算力、平台、数据、模型、应用”五位一体的智能云；中枢是“星小辰”智能体枢纽，做多模态意图识别、任务规划与工具编排，思路是“一次建成、全网复用”。个人用户的使用门槛压得很低：拖入文件就能让智能体端到端执行，运行在 Windows、macOS 以及麒麟、统信等国产操作系统上。

成本一层值得单拎出来：自研模型路由按需把请求分给最合算的模型，再用上下文压缩压低延迟与推理成本。中国电信把这套做法叫作“Token 经营”——规模化的前提，是先把每一次调用的成本压到用得起。

安全与部署一层，是它能进央国企与大企业的入场券：感知、推理、执行、记忆四层防护，轻量沙盒限定文件访问范围；企业 SaaS 版支持多端协同与场景定制，8 月中推出的私有部署版把模型与数据都留在客户本地。技能广场已经汇聚 5 万多个技能，其中 99% 由用户自己创建；另有 44 家外部伙伴的 60 个智能体应用正在接入高德、航旅等生态能力。

图：TeleAgent 从拖入文件到交付成果的流程。示意图由本报绘制，非实拍；流程据中国电信通稿整理。

3. 效果与成色：注册数破圈了，日活与口碑要分开看

中国电信在 2026 年 10 月 9 日的通稿里披露：TeleAgent 注册用户超过 150 万、日活超过 20 万，6 月中时注册用户才 2.7 万。² 注册数与日活数放在一起看，信息量更大：破圈的速度很快，但日常留存仍是下一关，注册不等于天天用。

通稿里还有一组用户调研数字：在重点企业试点与重度用户中，90% 表示智能体已成为日常工作的一部分，79% 提到明显的效率提升，净推荐值 62.9。² 这组数字的样本是试点与重度用户，不是全体注册用户，读成“用起来的人觉得好用”比较稳，读成“所有人都这么觉得”就越界了。个案同样如此：一位咨询分析师的季度分析从半天压到 5 分钟，是一位用户的反馈，不是全量统计；IDC 技术评测 6.85 分、全国前三，以及 336 个威胁场景 99.7% 通过的说法，都出自通稿，评测细节没有在通稿里展开。

值得抄走的方法点：规模化靠两条腿，一条是私有部署给出的信任——模型与数据留在客户本地，门才打得开；另一条是用户自建技能给出的长尾——厂商不可能把每个部门的报表格式都预置完，让用的人自己把活儿沉淀成技能，场景才长得出来。放在这个背景里看，路由与压缩也不只是技术细节：它决定了智能体能不能以客户付得起的成本，天天开着。

· · ·

· · ·

九羲科技｜服务器 · 私有 AI · 存力方案

系列目录

第1期：智能体落地，为何总在第一次翻车？
第2期：医院机器人导诊、银行Agent、工厂维保
第3期：机器人不卖断、改收租
第4期：一座城市把服务台交给了 AI
第5期：代码自己写、病历自己查、药品自己跑
第6期：银行、工厂、门店，AI都在干正经活
第7期：没人理的活儿，AI 全接住了
第8期：三个工厂，把 AI 用出了生产力
第9期：Agent 替你下单那天，准备好了吗？
第10期：发票先修好，Agent接管脏活的三个现场
第11期：银行带单500亿，退货机器人自己加练
第12期：一人公司开张，药企仓储齐加码
第13期：工厂、银行、采购，AI都在干脏活
第14期：三个Agent，在干三份脏活
第15期：贷款7天办结，工厂Agent盯瓶颈
第16期：图纸一分钟读完，交易席位换AI
第17期：钢水省出钱，11人变1人
第18期：放款审单3分钟，HR问答94%自解
第19期：150万用户、3倍部署、3365单自结
第20期：发票不用人追，工单不用人等

引用链接

[1] Bill Tanner. Raleigh cuts IT support costs by 66% as ServiceNow AI agents take over government workloads. Intelligent CIO North America, 2026. https://www.intelligentcio.com/north-america/2026/10/20/raleigh-cuts-it-support-costs-by-66-as-servicenow-ai-agents-take-over-government-workloads/
[2] China Telecom Global. “AI Is Shifting From Understanding to Getting Things Done”: China Telecom's TeleAgent Hits 1.5 Million Users. Media OutReach Newswire, 2026. https://www.media-outreach.com/news/hong-kong/2026/10/09/492487/ai-is-shifting-from-understanding-to-getting-things-done-china-telecoms-teleagent-hits-1-5-million-users/

下一篇｜智能体办完单子之后，责任与账本各归谁？